OpenCV理解

最新推荐文章于 2022-05-12 17:22:07 发布

原创最新推荐文章于 2022-05-12 17:22:07 发布 · 450 阅读

0 ·

CC 4.0 BY-SA版权

OpenCV理解

OpenCV的环境配置就不多赘述了，看下面连接

[优快云][1] [1] https://blog.youkuaiyun.com/weixin_37800680/article/details/70991173

读取图片

首先的注意工具栏中的x86要改成x64，因为你vc++目录里额库目录是加入的build文件夹下的x64里路径，这个和电脑是64位的操作系统有关（个人理解）。

```
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv; //包含cv命名空间
int main(int argc, char** argv)
{
	Mat src;//定义Mat类型变量
	src = imread("D:/HH.jpg");//读取图像
	//判断是否读入
	if (!src.data)
	{
		printf("could not load...");
		return -1;
	}
namedWindow("input", CV_WINDOW_AUTOSIZE);//窗口命名，设置窗口大小
imshow("input", src);//显示图像     参数1：窗口名称 参数2;Mat对象
waitKey(0);//等待任意键按下
return 0;
}
```

这是输出的图片

注意读取图片时的图片的路径要是绝对路径，还有用‘/’而不是‘\’。

窗口命名可以不在双引号下，可以用字符串表示，可以稍微简化一点，例如：

```
char m[] = "input";

namedWindow(m,CV_WINDOW_AUTOSIZE);
imshow(m,dst);
```

灰度图像
当然了，OpeenCV3,如果没有窗口的命名那一句，直接imshow也是可以的，系统会默认开启一个窗口用来显示图片。

图片的修改与保存

1.图片的修改

```这是色彩空间转换的方法，以下的代码是彩色图片转换为灰度图像的方式
Mat dst;
cvtColor(src, dst, CV_BGR2GRAY);//色彩空间转换 参数1:原图，参数2:转换后的图，参数3：转换的方式
namedWindow("output",CV_WINDOW_AUTOSIZE);
imshow("output", dst);

$灰度图片!](C:\Users\1742311241\Desktop\灰度图片.png)$

2.图片的保存

```
imwrite("D:/write.jpg", dst);//图片的保存 参数1:保存的路径及图片的格式 参数2:保存的图片
```

Mat对象

Mat对象的构造函数，与常用方法

1.Mat(Size size,int type)

//得到空白图片
Mat dst;
dst = Mat(src.size(), src.type());//参数1:src的尺寸，参数2:src的类型

2.完全拷贝

	Mat dst;
法1：	dst = src.clone();//得到完全相同的图片
法2：	src.copyTo(dst);  //得到完全相同的图片

3.得到图片的行列及像素值

Mat dst;
int channels = dst.channels();//得到图片的通道数
int cols = dst.cols; //得到图片的列
int rows = dst.rows; //得到图片的行
const uchar *firstRow = dst.ptr<uchar>(0);//第一行的像素值
printf("rows: %d\ncols:%d", rows, cols); //输出行与列
printf("first pixel value: %d", *firstRow);//输出第一行像素值
printf("channels为：%d", channels); //输出图片的通道数

4.Mat对象的创建

//前两个参数分别表示行和列，第三个参数CV_8UC3中的8是指每个通道占8位，U表示无符号，C表示Char类型，3表示通道数目是3，第四个参数是向量，表示初始化每个像素值是多少，向量长度对应通道数目一致
Mat M = (100,100,CV_8UC3,Scalar(0,0,255));

读写像素

反差

Mat dst;
//单通道的图片
	int height = dst.rows;
	int width = dst.cols;
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			int gray = dst.at<uchar>(row, col);
			dst.at<uchar>(row, col) = 255 - gray;
		}
	}
	imshow("操作后", dst);
//三通道的图片
	int height = dst.rows;
	int width = dst.cols;
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			int b = dst.at<Vec3b>(row, col)[0];//给每个像素点的每个通道赋值
			int g = dst.at<Vec3b>(row, col)[1];
			int r = dst.at<Vec3b>(row, col)[2];
			dst.at<Vec3b>(row, col)[0] = 255 - b;//重新赋值
			dst.at<Vec3b>(row, col)[1] = 255 - g;
			dst.at<Vec3b>(row, col)[2] = 255 - r;
			//具体在下面解释
		}
	}
	imshow("操作后", dst);
	
	//简便方法
	bitwise_not(dst, src);//反位操作

反差图片

图像的混合

说到图像的混合就有一个重要的公式：**g(x) = (1-a)f0(x)+af1(x) **---------线性混合操作

f0(x)与f1(x)可以看作是两个图像的各个对应的像素，而a,（1-a）可以看作是两张图像所占的权重。
由此可以看出这两张图片的大小，以及图像的类型要相等

Mat src1, src2, dst;
	src1 = imread("D:\HH.jpg");
	src2 = imread("D:\cat.jpg");
	//判断两张图片是否读入成功
	if (!src1.data)
	{
		printf("图片1 could not load");
		return -1;
	}
	if (!src2.data)
	{
		printf("图片2 could not load");
		return -1;
	}
	double alpha = 0.5;//定义常量
	//判断两个图片的大小以及类型是否相同
	if (src1.rows == src2.rows && src1.cols == src2.cols && src1.type() == src2.type())
	{
		//混合的函数, 参数1、3是两张图片，参数2、4是上面函数的系数，参数5是校验值，参数6是输出的图像
		addWeighted(src1, alpha, src2, (1.0 - alpha), 0.0, dst);
		namedWindow("混合后", CV_WINDOW_AUTOSIZE);
		imshow("混合后", dst);
	}

图像1 cat
在这里插入图片描述
**混合后的图象 **

调整图像的亮度和对比度

首先图像的变换可以看作一下两个方向

1.像素变换–点操作

2.领域操作–区域操作

而调整图像的亮度和对比度时属于像素变换即点操作

首先了解基础的知识

g(i,j) = αf(i,j)+β 其中α>0,β是增益变量（关键的公式）

所谓亮度扩大就是每个像素点白的更白，黑的更黑，这个就主要是β这个增益变量的作用了。

而提高对比度就是两个像素之间的差值变大，及对比度变大，与α有关

重要的API

1.saturate_casr(value) 确保值的大小在0~255之间

2.Mat.at(y,x)[index] = value 给每个像素点的每个通道赋值

	Mat src, dst;
	src = imread("D:/HH.jpg");
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input", src);
	int height = src.rows;
	int width = src.cols;
	dst = Mat::zeros(src.size(), src.type());
	//可以通过两个常变量调整对比度及亮度
	float alpha = 1.7;
	float beta = 30;
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			float b = src.at<Vec3b>(row, col)[0];
			float g = src.at<Vec3b>(row, col)[1];
			float r = src.at<Vec3b>(row, col)[2];
			dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
			dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
			dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);
		}
	}
	namedWindow("output", CV_WINDOW_AUTOSIZE);
	imshow("output", dst);
	waitKey(0);//等待任意键安下
	return 0;

调高对比度
可以通过调整alpha与β的值调整亮度和对比度

图像的模糊

图像的降噪

要讲图象模糊的作用是降噪，降噪的噪就是一些去除掉那些像素值与周围的像素值差别很大的点，让他们处于一个相对较平滑的趋势,使用Smooth/Blur函数降噪

卷积

卷积就是通过一个卷积核在图片像素中移动进行计算，同时，这种平移计算卷积的操作也可以看成矩阵操作，对于上面一个输入为5x5的输入，核为3x3的卷积来说（无padding且1 strides），把输入、卷积核和输出都展开为向量形式：

由这个图象可以看出5×5的图象用3×3的卷积核进行卷积计算，这样就会使外面两周的像素丢失即边缘像素未处理。最常见的处理方式就是向外扩张。

图像模糊–高斯模糊

这是一维的：

这是二维的：

在这里插入图片描述

Mat src, dst;
src = imread("D:/HH.jpg");
namedWindow("input", CV_WINDOW_AUTOSIZE);
imshow("input", src);
//参数1：原图像 参数2：目标图像 参数3：卷积核大小 参数4:(默认值)锚点在核的中心
blur(src, dst, Size(7, 7), Point(-1, -1));
//高斯模糊
//参数1：原图像 参数2：目标图像 参数3：卷积核大小 参数4:标准差
GaussianBlur(src, dst, Size(9, 9), 0);
namedWindow("output", CV_WINDOW_AUTOSIZE);
imshow("output", dst);

blur函数用标准化的盒式过滤器来平滑图像

GaussianBlur函数是使用高斯分布的理论推导的

除此之外还有中值模糊函数：medianBlur

双边滤波函数bilateralFilter

降噪：[优快云]https://blog.youkuaiyun.com/wss794/article/details/81144607

[优快云]https://blog.youkuaiyun.com/renhaofan/article/details/80268082

[优快云] https://blog.youkuaiyun.com/qq_39861376/article/details/82109127

[优快云]https://blog.youkuaiyun.com/xylin1012/article/details/81807553